CC BY
37
М. В. ЖАРИКОВА, канд. техн. наук, доцент, доцент кафедры информационных технологий Херсонского национального технического университета, г. Херсон, Украина
Н. В. БАРАНОВСКИЙ, канд. физ.-мат. наук, старший преподаватель Национального исследовательского Томского политехнического университета, г. Томск, Россия
Е. Н. ЛЯШЕНКО, канд. техн. наук, доцент кафедры информационных технологий Херсонского национального технического университета, г. Херсон, Украина
УДК 614.842.8:004.630
КОНЦЕПТУАЛЬНЫЙ ПРОЕКТ ВЕБ-ОРИЕНТИРОВАННОЙ ГЕОГРАФИЧЕСКОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПРОГНОЗА ЛЕСНОЙ ПОЖАРНОЙ ОПАСНОСТИ
Рассматривается концептуальный проект создания веб-ориентированной геоинформационной системы прогнозирования лесной пожарной опасности. Проведено предпроектное исследование, которое показало значительное научное и технологическое отставание методик, применяемых на территории СНГ, от европейской и североамериканских систем прогнозирования лесной пожарной опасности. Предложена модель дифференцированной оценки лесной пожарной опасности по антропогенным и природным причинам. Рассматриваются проектные и технологические особенности реализации геоинформационной системы для визуализации посредством всемирной сети Интернет.
Ключевые слова: прогноз; лесная пожарная опасность; геоинформационная система; детер-минированно-вероятностный подход.
Введение
Ежегодно лесные пожары в различных регионах России уничтожают государственный лесной фонд, загрязняют атмосферу, приводят к гибели людей, наносят вред сельским населенным пунктам. При этом возможны чрезвычайные ситуации, при которых необходимо принимать решения в сжатые сроки (от нескольких десятков минут до нескольких дней). Это тот временной интервал, когда трудно или невозможно осуществить оперативную консультацию со специалистами. В этом случае необходимую поддержку в принятии решения в условиях ограниченных ресурсов (прежде всего временных) могут оказать компьютерные системы [1]. В целях минимизации экологического, экономического ущерба, числа жертв, а также рационального использования средств на охрану лесов от пожаров следует прогнозировать лесную пожарную опасность. Для решения этой задачи в различных странах мира разработаны индексы и системы оценки пожарной опасности в лесах (например, в Канаде [2], США [3], Европе [4]). В России в этих целях применяется критерий Нестерова [5].
Цель настоящей работы — создание концептуального проекта геоинформационной системы (ГИС) прогнозирования лесной пожарной опасности на базе детерминированно-вероятностного подхода [6].
© Жарикова М. В., Барановский Н. В., Ляшенко Е. Н., 2012
Предпроектное исследование
Министерство природных ресурсов Канады в настоящее время оперирует двумя национальными информационными системами для управления лесными пожарами [7]: системой по лесным пожарам CWFIS (Canadian Wildland Fire Information System) и системой моделирования, мониторинга и картирования пожаров Fire M3. Обе системы включают компоненты канадской системы оценки лесной пожарной опасности CFFDRS (Canadian Forest Fire Danger Rating System) [2] и используют движок системы пространственного управления пожарами sFMS (spatial Fire Management System) [7] для получения, управления, моделирования, анализа и презентации данных. Система sFMS разработана для поддержки принятия решений по ликвидации лесных пожаров [7] и может функционировать как самостоятельное приложение или интегрироваться в существующие информационные системы. Данная система работает преимущественно с текущей метеорологической информацией и используется для подготовки дневных или почасовых карт пожарной опасности, поведения пожаров, вероятности зажигания. Выходные данные канадской национальной системы доступны для заинтересованных лиц и организаций через Интернет (сайт Канадской лесной службы — http://cfs.nrcan.gc.ca).
В США в 1972 г. была разработана методика определения пожарной опасности на разных лесных территориях NFDRS (National Fire Danger Rating System) [3]. Структура американской системы представляет собой абстрактную модель влияния различных факторов и условий на процесс возникновения и распространения пожаров. Система выдает четыре индекса [3]: индекс возникновения пожара по вине человека MCOI (Man-Caused Fire Occurrence Index); индекс возникновения пожара в результате грозовой активности LOI (Lightning-Caused Fire Occurrence Index); индекс горения BI (Burning Index); индекс пожарной нагрузки FLI (Fire Load Index). Результаты, основанные на расчетах в рамках NFDRS, используются в системе оценки лесных пожаров WFAS (Wildland Fire Assessment System). Некоторые из этих результатов доступны в сети Интернет (официальный сайт—http://www.wfas.net).
Вслед за проведенным в 1999 г. сравнительным исследованием южно-европейских методов [8] была разработана так называемая Европейская система EFFRFS (European Forest Fire Risk Forecasting System), которая применялась на территории Южной Европы. Основу системы составляют методы, разработанные в Италии, Франции, Испании, Португалии, а также в Канаде. Указанные методы применяются в совокупности. В настоящее время используется модификация Европейской системы EFFIS (European Forest Fire Information System) [9], которая дополнительно учитывает данные со спутников. Для сравнения все индексы приведены к 100-балльной шкале. В последние годы система стала применяться в некоторых странах Западной Европы. Результаты работы системы доступны в сети Интернет (официальный сайт — http://effis.jrc.ec. europa.eu).
Степень пожарной опасности в России определяется с помощью индекса горимости Нестерова, или комплексного метеорологического показателя (КМП) [5], который учитывает только метеорологические условия. Лесная пожарная опасность возрастает с увеличением этого комплексного показателя. В 1999 г. принят ГОСТ Р 22.1.09-99 "Мониторинг и прогнозирование лесных пожаров. Общие требования" [10], который применяется по настоящее время. Визуализация прогнозной информации осуществляется через Интернет (официальный сайт ЦБ "Авиалесоохрана" — pushkino.aviales.ru).
Детерминированно-вероятностная методика оценки лесной пожарной опасности
В Томском политехническом университете в последнее время интенсивно развивается детермини-рованно-вероятностный метод прогнозирования
лесной пожарной опасности. Спектр событий возникновения лесных пожаров по различным причинам следующий [11]: А1 — умышленный поджог, А2 — небрежное обращение с огнем, А3 — сельскохозяйственные палы, А4 — влияние железной дороги, А5 — влияние линий электропередач (ЛЭП), А6 — выжигание разлива нефти, А7 — влияние автомобильных трасс, А8 — падение ступени ракеты, А9 — аварии на технологических объектах, расположенных на лесопокрытых территориях, А10 — пожар в результате воспламенения от сфокусированного стеклянной бутылкой солнечного излучения, А11 — причина не установлена (так как возможны другие неустановленные причины), А12 — пожар от грозовой активности.
Согласно теории вероятностей итоговая вероятность возникновения лесного пожара по совокупности причин определяется по формуле [11]:
12
р (ЛП) = 1 -П (1 - Р (ЛП)), (1)
I=1
где Р(ЛПг) — вероятность возникновения лесного
пожара по конкретной причине.
Роль ГИС прогнозирования
лесной пожарной опасности в системе охраны леса от пожаров
ГИС прогнозирования лесной пожарной опасности, являясь неотъемлемой частью общей системы охраны леса от пожаров, направлена на решение задач управления лесными пожарами. Функциональная структура этой системы непосредственно связана с задачами учета, планирования, оперативного регулирования, контроля и анализа, решаемыми в рамках общей системы охраны леса от пожаров. Перечислим три основные группы действий [12], связанных с управлением лесными пожарами [13]:
1) предупреждение пожаров;
2) тушение пожаров;
3) предотвращение их последствий.
Эти действия осуществляются соответственно до, во время и после пожара. С ними связаны три основные задачи поддержки принятия решений по охране леса от пожаров:
1) поддержка принятия решений по предупреждению лесных пожаров;
2) поддержка принятия решений по ликвидации лесных пожаров;
3) поддержка принятия решений по ликвидации последствий лесных пожаров.
Решение этих задач невозможно без исследования самого лесного пожара, при котором выделяются три основных взаимосвязанных направления:
1) прогнозирование возникновения лесного пожара (определение вероятности возникновения лесного пожара);
2) прогнозирование распространения лесного пожара;
3) оценка ущерба, причиняемого лесными пожарами.
Основные направления исследования лесных пожаров
1) прогнозирование — возникновения лесного пожара (определение пожароопасности);
2) прогнозирование распространения лесного пожара;
3) оценка ущерба, причиняемого лесными пожарами
Основные действия
по управлению лесными пожарами
1) предупреждение; -
2) тушение; -
3) предотвращение последствий
/
Задачи системы охраны леса от пожаров
1) прогнозирование возникновения лесного пожара (определение пожароопасности);
2) прогнозирование распространения лесного пожара;
3) оценка ущерба, причиняемого лесными пожарами;
4) поддержка принятия решений по предупреждению лесных пожаров;
5) поддержка принятия решений по ликвидации лесных пожаров;
6) поддержка принятия решений по предотвращению последствий лесных пожаров
Рис. 1. Задачи системы охраны леса от пожаров
Таким образом, обобщая вышесказанное, выделим перечень задач, решаемых системой охраны леса от пожаров (рис. 1):
1) прогнозирование возникновения лесного пожара;
2) прогнозирование распространения лесного пожара;
3) оценка ущерба, причиняемого лесными пожарами;
4) поддержка принятия решений по предупреждению лесных пожаров;
5) поддержка принятия решений по ликвидации лесных пожаров;
6) поддержка принятия решений по ликвидации последствий лесных пожаров.
Решение первых трех задач необходимо для решения трех последних.
При прогнозировании возникновения пожара выделяют два вида оценки лесной пожарной опасности — краткосрочную и долгосрочную [14, 15]. Некоторые исследователи также выделяют среднесрочный прогноз лесной пожарной опасности [16].
На рис. 2 приведена иерархическая диаграмма основных функций (задач) системы охраны леса от пожаров. Первая и последняя функции включают в себя несколько задач.
Решение первых трех задач направлено на решение последней основной задачи. Следовательно, выходные данные первых трех задач будут входны-
Рис. 2. Функции системы охраны леса от пожаров
Прогнозирование возникновения пожара
1 г 1 г
Долгосрочное Краткосрочное
Прогнозирование распространения пожара
Оценка ущерба от пожара
Поддержка принятия решений
^ Ж +
> Г 1 1
Предупреждение пожаров Ликвидация пожаров Ликвидация последствий пожаров
г ? Д
Рис. 3. Взаимосвязь задач системы охраны леса от пожаров (- -
— передача данных)
ми данными для последней. Взаимосвязь задач системы представлена на рис. 3. Из рисунка видно, что результаты расчета пожарной опасности являются входными данными для решения задач поддержки принятия решений по предупреждению и ликвидации пожаров.
Архитектура ГИС прогнозирования лесной пожарной опасности
Архитектура ГИС прогнозирования лесной пожарной опасности основана на классическом шаблоне проектирования MVC (Model-View-Controller) и состоит из трех уровней:
• модель (Model) — предоставляет данные (обычно для конкретного уровня данных представления), а также реагирует на запросы (обычно от контроллера), изменяя свое состояние;
• представление (View) — отвечает за отображение информации (пользовательский интерфейс);
• поведение (Controller) — интерпретирует данные, введенные пользователем, и информирует
уровни данных модель и представление о необходимости соответствующей реакции (управляющая логика).
Важно отметить, что как представление, так и поведение зависят от модели. Однако модель не зависит ни от представления, ни от поведения. Это одно из ключевых достоинств подобного разделения. Оно позволяет строить модель независимо от визуального представления, а также создавать несколько различных представлений для одной модели.
Уровень поведения — логическая часть разрабатываемой ГИС — состоит из пяти основных блоков, посвященных прогнозированию пожарной опасности (рис. 4). Это блоки оценки вероятности возникновения пожара по метеоусловиям, по антропогенным причинам (А1, ..., А10), по неустановленным причинам (А11), по причине грозовой активности (А12), а также оценки общей вероятности возникновения пожара.
Важное значение имеет прогноз лесной пожарной опасности по метеоусловиям. В большинстве
Рис. 4. Архитектура ГИС прогнозирования лесной пожарной опасности
стран на государственном уровне применяется та или иная методика прогнозирования лесной пожарной опасности. Не является исключением и Российская Федерация, и Украина. В 1999 г. принят ГОСТ Р 22.1.09-99 "Мониторинг и прогнозирование лесных пожаров. Общие требования" [10], который используется в России до сих пор. Данный стандарт основан на комплексном метеорологическом показателе, который был разработан еще в первой половине XX столетия В. Г. Нестеровым [5]. Критерий учитывает только метеорологические условия. Однако лесная пожарная опасность зависит и от антропогенной нагрузки, и от грозовой активности. В связи с этим предлагается методика прогнозирования лесной пожарной опасности, которая базируется на комплексном метеорологическом показателе и учитывает эти факторы.
Для оценки вероятности лесной пожарной опасности нормируем на единицу комплексный метеорологический показатель [17]:
КМПп
Pj (C) = д
КМП
(2)
где КМПд — комплексный метеорологический показатель для дня, на который делается прогноз; КМПтах — максимальное значение комплексного метеорологического показателя. Тогда шкала изменения вероятности лесной пожарной опасности по метеоусловиям будет составлять от 0 до 1.
Комплексный метеорологический показатель вычисляется по формуле [5]:
КМП = £ t (t - r),
(3)
где I — температура воздуха; г — температура точки росы; п — число дней после последнего дождя. Уровень представления — это электронная карта, предоставляемая пользователю. Карта имеет послойную структуру и состоит из статических и динамических слоев. Статические слои — это слои, отображающие таксационное описание лесничеств. К таким слоям относятся участки леса (которые в свою очередь могут подразделяться на слои лиственных пород, хвойных пород и т. п.), пески, водоисточники (которые могут подразделяться на
озера, болота, реки и т. п.), дороги и т. д. Динамические слои отображают данные, которые проходят предварительную обработку на уровне поведения. На этих слоях отображается вероятность возникновения пожара по различным причинам.
Моделъ — уровень данных, описывающий пространственные данные, которые состоят из двух взаимосвязанных частей: картографических и фактологических (атрибутивных). К картографическим относятся данные, описывающие позиционные характеристики участков местности (векторных объектов). Фактологическая (атрибутивная) составляющая данных ГИС включает таксационное описание лесничеств, данные о лесных пожарах, а также метеорологические данные.
Техническое описание системы
Для технической реализации ГИС были использованы следующие программные средства.
MapServer — это многофункциональная платформа для быстрого, легкого и эффективного распространения картографической информации, основанная на MapGuide Open Source [18].
К основным возможностям MapServer можно отнести: доступ к картографическим и проектным данным через Интернет, интуитивно понятные интерактивные карты, простота установки и развертывания, удобство формирования карт и создания картографических Web-приложений, интеграция и возможности взаимодействия с корпоративными системами управления базами данных (СУБД), мощные и гибкие возможности API-интерфейса, оптимизация финансовых затрат благодаря поддержке платформы MapGuide Open Source.
Картографическое ядро веб-ориентированной географической информационной системы состоит из двух основных компонентов: CGI-приложения для формирования растрового изображения и JavaScript-модуля для манипулирования полученным изображением и запроса новых частей в случае необходимости. В качестве CGI-приложения были задействованы UMN MapServer. Схема работы картографического ядра ГИС представлена на рис. 5.
С клиентской стороны задействован JavaScript-модуль OpenLayers, предоставляющий базовые функции для создания веб-карт.
MapServer
Рис. 5. Схема работы картографического ядра
База данных веб-ориентированной географической информационной системы основана на СУБД PostgreSQL. PostgreSQL—это мощная объектно-реляционная СУБД с открытыми исходными текстами. К основным достоинствам PostgreSQL можно отнести: поддержку БД практически неограниченного размера; мощные и надежные механизмы транзакций и репликации; поддержку загрузки C-совместимых модулей; наследование; легкую расширяемость; расширяемую систему встроенных языков программирования (в стандартной поставке поддерживаются PL/pgSQL, PL/Perl, PL/Python и PL/Tcl; дополнительно можно использовать PL/Java, PL/PHP, PL/Py, PL/R, PL/Ruby, PL/Scheme и PL/sh). Архитектура СУБД PostgreSQL основана на модели клиент - сервер. Сессия с СУБД состоит из следующих взаимодействующих процессов:
• Postmaster — управляющий процесс-демон, который руководит взаимодействием внешних и внутренних процессов; выделяет совместно используемый буфер динамической памяти и выполняет другие инициализации во время запуска;
• Postgres—внутренний серверный процесс базы данных, исполняющий запросы клиента. Postmaster всегда запускает новый postgres-процесс для каждого клиентского приложения. Этот серверный процесс выполняется на машине сервера;
• внешняя прикладная программа, которая может находиться на другом компьютере (например, рабочей станции) и соединяется с Postgres через Postmaster.
Один раз запущенный процесс-демон Postmaster управляет установленным набором баз данных на сервере. Внешняя прикладная программа, желающая получить доступ к одной из этих баз данных, вызывает библиотеку функций прикладного программного интерфейса LIBPQ (см. рис. 5). С помощью этих функций запрос по сети передается Postmaster, который порождает серверный процесс и соединяет внешнюю программу с сервером. С этого момента клиентские и серверные процессы взаимодействуют без помощи Postmaster. Таким образом, Postmaster постоянно работает, ожидая запросов, в то время как происходят и завершаются соединения с внешними приложениями. Прикладной программный интерфейс LIBPQ позволяет одной клиентской программе совершать во время одной сессии множественные соединения с сервером БД. Тем не менее внешняя программа — это однопотоковый процесс. Много-поточность процессов библиотекой LIBPQ не поддерживается.
Таким образом, СУБД PostgreSQL позволяет осуществлять доступ клиентским прикладным программам к своим базам данных не только в локальном, но и в удаленном режиме.
Всю базу данных веб-ориентированной ГИС можно разделить на следующие структурные подразделы.
Пользовательские данные:
sf_guard_user—таблица пользователей системы;
- profile — информация о пользователях; sf_guar_group — группы пользователей;
- sf_guard_user_group—принадлежность групп пользователей к пользователям; sf_guard_permission — привилегии; sf_guard_group_permission — соответствие групп и привилегий;
sf_guard_user_permission — соответствие пользователя и привилегий;
sf_guard_remember_key—ключи пользователей, которые обеспечивают автоматическую аутентификацию.
Таксационные таблицы:
Line_type — типы (слои) линейных объектов; Polygon_type—типы многоугольных объектов; Point_type — типы точечных объектов; data_polygon — служебные данные по каждому участку;
data_line — служебные данные по линейным объектам;
data_point — служебные данные по точечным объектам;
param_type_region — типы параметров для участков;
param_type_line — типы параметров для линейных объектов;
param_type_point — типы параметров для точечных объектов;
param_value_region — значения параметров для участков;
param_value_line — значения параметров для линейных объектов;
param_value_point — значения параметров для точечных объектов.
Географические таблицы:
- geo_line — линейные объекты; geo_polygon — многоугольные объекты;
- geo_point — точечные объекты; geometry_columns — описание геометрических полей и систем координат.
Заключение
Описываемая ГИС оценки лесной пожарной опасности позволит прогнозировать вероятность возникновения лесных пожаров, а также экологические и социально-экономические последствия возможных пожаров с целью проведения мероприятий для их предупреждения и ликвидации.
СПИСОК ЛИТЕРАТУРЫ
1. Геловани В. А., Башлыков А. А., Бритков В. Б., Вязилов Е. Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. — М. : Едиториал УРСС, 2001. — 304 с.
2. Canadian Forest Fire Danger Rating System / B. J. Stocks, M. E. Alexander, R. S. McAlpine at all. — Canadian Forestry Service, 1987. — 500 p.
3. Deeming J. E., Burgan K. E., Cohen J. D. The national fire danger rating system. Ogden, Utah : USDA Forest Service, General Technical Report. INT-39. 1978. — 66 p.
4. Camia A., Barbosa P., Amatulli G., San-Miguel-Ayanz J.Fire Danger Rating in the European Forest Fire Information System (EFFIS): Current developments // Forest Ecology and Management. — 2006.
— Vol. 234, Supplement 1. — P. S20.
5. Нестеров В. Г. Горимость леса и методы ее определения. — М.-Л. : Гослесбумиздат, 1949. — 76 с.
6. Кузнецов Г. В., Барановский Н. В. Прогноз возникновения лесных пожаров и их экологических последствий. — Новосибирск : Изд-во СО РАН, 2009. — 301 с.
7. LeeB. S., AlexanderM. E., HawkesB. C., Lynham T. J., StocksB. J., EnglefieldP. Information systems in support of wildland fire management decidion making in Canada // Computers and Electronics in Agriculture. —2002.—Vol. 37,No. 1-2.—P. 185-198.
8. Viegas D. X., Bovio G., FerreiraA., NosenzoA., SolB. Comparative Study of Various Methods of Fire Danger Evaluation in Southern Europe // International Journal of Wildland Fire. — 1999. — Vol. 9, No. 4.—P. 235-246.
9. Recent Forest Fire Related Accidents in Europe. JRC Scientific and Technical Reports / Ed. D. X. Viegas.
— Italy, Ispra : Institute of Environment and Sustainability, 2009. — 82 p.
10. ГОСТ Р 22.1.09-99. Безопасность в чрезвычайных ситуациях. Мониторинг и прогнозирование лесных пожаров. Общие требования. — Введ. 01.01.2000 г. — М. : ИПК "Изд-во стандартов", 1999.
11. Барановский Н. В., Кузнецов Г. В. Конкретизация неустановленных причин в детерминирован-но-вероятностной модели прогноза лесной пожарной опасности // Пожаровзрывобезопасность.
— 2011. — Т. 20, № 6. — С. 24-27.
12. Ball G. L., Guertin D. P. Improved fire growth modeling // International Journal of Wildland Fire. — 1992. — № 2(2). — P. 47-54.
13. Гундар С. В., Подгрушный А. В. Управление лесными пожарами // Пожаровзрывобезопасность.
— 2006. — Т. 15, № 4. — С. 74-80.
14. Chandler C. Fire in Forestry. Vol. 1: Forest Fire Behavior and Effects / Chandler C., Cheney P., Thomas P., Trabaud L., Williams D. // New York : John Wiley & Sons, 1983. — 450 p.
15. Chuvieco E. Short-term fire risk: foliage moisture content estimation from satellite data / E. Chuvieco, M. Deshayes, N. Stach, D. Cocero, D. Riano // Remote sensing of large wildfires in the European Mediterranean Basin, (E. Chuvieco Ed.). — Berlin : Springer-Verlag, 1999. — P. 17-38.
16. Garcia Diez A., Soriano L. R., Garcia Diez E. L. Medium-range forecasting for the number of daily forest fires // Journal of Applied Meteorology. — 1996. — Vol. 35, No. 5. — P. 725-732.
17. Барановский Н. В. Методика прогнозирования лесной пожарной опасности как основа нового государственного стандарта // Пожарная безопасность. — 2007. — № 4. — С. 80-84.
18. KroplaB. Beginning MapServer. Open Source GIS Development. —New York: Apress, 2005. —400 p.
Материал поступил в редакцию 26 января 2012 г. Электронные адреса авторов: [email protected]; [email protected]; [email protected].
